ascendc-tensor-api-best-practice

Plugin ascendc-tensor-api-best-practice from marketplace cannbot in hicann/cannbot-skills. Commands read from the repo's manifest — today.

Skills (109)

• ascendc-api-best-practices

  Ascend C API 使用最佳实践。提供算术、归约、数据搬运、Buffer管理、精度转换、通信接口等 API 的正确用法和限制说明。触发：用户询问具体 API 用法（如"DataCopy 怎么用"、"ReadNbi 怎么用"）、遇到 API 参数错误或限制报错（如 repeatTimes、对齐问题）、需要查看 API 最佳实践或避坑指南、算子性能疑似受标量访问/单元素读写影响时。

• ascendc-api-docs-gen

  Ascend C API文档写作参考。当用户需要生成Ascend C API文档或了解Ascend C API文档规范时触发此技能。

• ascendc-api-docs-review

  对AscendC API的Markdown（MD）文档进行质量检查，确保其结构完整性、语言通顺性、规范性与正确性。适用于对"一段Markdown内容、一个Markdown文档、多个Markdown文档（包括输入一个文档目录）"两种场景下Markdown内容的结构完整性、规范性和语言通顺性检查，并输出结构化问题列表及修改建议。触发词：AscendC、Markdown内容、质量检查、质检。

• ascendc-blaze-best-practice

  在 Ascend 950 / DAV_3510 平台上，基于 Blaze/tensor_api 开发 Basic、Batch、Grouped、Quantized、MX 等 MatMul 类算子或相关的融合算子时使用。不适用于纯 Vector 算子或 A2/A3 平台。

• ascendc-blaze-migration

  评估并将 ops-nn、ops-transformer 等仓中 Ascend 950 / DAV_3510 的 AscendC Kernel 分支等价迁移到 ops-tensor Blaze/Tensor API。适用于 CMCT、CGMCT、单体或自定义分层 Kernel，以及 Cube、Vector、MIX、高阶 Matmul、手工 Buffer、数据搬运、自定义调度、VF 和同步路径；在隔离迁移工程中串行完成迁移合同冻结、Blaze 开发、验证资产生成、原始基线、Blaze 验收和双仓本地提交交付。

• ascendc-code-review

  Ascend C 代码检视技能。触发：检视代码、检视 PR、检查是否有问题、快速检视。支持文件检视、PR 检视、快速定向检视、设计一致性检查。自动识别代码侧别、提取适用条例、执行假设检验驱动的逐条检视。

• ascendc-crash-debug

  Ascend C 算子卡死/崩溃/内存错误调试路由技能。用于处理程序无法运行完或执行异常崩溃的场景：(1) 程序卡死/挂起/超时，Kernel 无响应，(2) 程序崩溃（Segmentation Fault、Abort），(3) Buffer 冲突/死锁导致的核心挂起，(4) 需要解析 plog 日志定位卡死/崩溃位置，(5) 偶发崩溃/结果异常（怀疑内存越界踩踏），需要主动检测内存错误。触发关键词：卡死、挂起、超时、崩溃、hang、crash、deadlock、Segmentation Fault、Abort、Kernel hang、内存越界、plog、memcheck、内存检查、内存错误、

• ascendc-cross-gen-migration

  当用户希望将已有 AscendC 算子工程跨架构迁移（当前支持 A2/A3（910b/910_93、DAV_2201）→ A5（950、DAV_3510）与 A2/A3 → 310P（310P3、DAV_2002/dav-m200），按 Step R 判定迁移路线）时使用。按 Stage 0–6 完成 L1 基础适配、L2 RegBase 改造、L3 SIMT 优化及 Cube 类算子迁移；精度标杆由 agent 逆向源码自合成，并与目标平台实测双向互检。

• ascendc-direct-invoke-template

  Kernel直调工程模板，用于创建 Ascend C Kernel 直调工程项目。提供经过验证的 Vector 样例工程（add_custom）、Blaze Matmul 工程模板（纯 Matmul / 融合 / MX 量化 / GroupMatmul）和 Kirin Vector 模板。触发：当用户需要创建 Kernel 直调工程、学习 Ascend C 编程、快速原型验证、或提及"Kernel直调"、"<<<>>>内核调用"、"Blaze Matmul"、"matmul 模板"时使用本 skill。

• ascendc-direct-invoke-to-registry-invoke

  当用户想把`<<<>>>` kernel 直调形式改造成自定义算子工程时使用。触发：用户提到"kernel直调转自定义算子"、"为kernel直调工程接入ACLNN/GEIR接口"、"`<<<>>>` 改自定义算子工程"等。不适用于从零开发新算子

• ascendc-docs-gen

  Ascend C 算子文档生成与写作参考。触发：用户要求结合算子规格、需求、设计文档和源码生成或更新 aclnn 接口文档、算子 README，或生成需求分析、详细设计、迭代计划等标准文档。

• aclnn-api-docs-review

  aclnn 算子 API 说明文档质检工具。用于检查算子 API 文档的质量，基于预设规则检测文档中的问题。 当用户提到以下场景时触发： - 检查/质检/审核/验证 aclnn 算子 API 文档质量 - 检查/质检/审核文档是否符合 aclnn 文档规范 - aclnn 文档内容与代码一致性检查 - aclnn 文档规范性、完备性、可读性、正确性检查 - 审查/检查 aclnnxxx.md 文档 author: Huawei Technologies Co., Ltd. category: utility-doc

• ascendc-docs-search

  Ascend C 开发资源检索技能。通过本地 API 文档索引、示例代码映射和在线文档兜底搜索定位开发资料，优先查本地、缺失时再查在线。当需要查询 API 用法、示例代码、兼容性信息、官方资料入口或定位文档来源时使用。

• ascendc-env-check

  Ascend C 算子开发环境检查技能。用于：(1) 通过 npu-smi 查询 NPU 设备信息（设备列表、状态、资源使用），(2) 检查 CANN 环境配置（CANN Toolkit、Ops、自定义算子包），(3) 验证开发依赖是否完整，(4) 运行时检测当前设备 NPU 架构。触发关键词：环境检查、NPU设备、npu-smi、CANN安装、设备查询、资源监控、检查CANN环境变量、NPU架构、npu arch。

• ascendc-kirin-env-check

  麒麟平台（Kirin NPU）环境检查：开发依赖、CANN 包能力（atc→omc 与 camodel sim 两条独立能力线）、设备连接。触发关键词：麒麟环境检查、Kirin 环境、端侧环境检查、鸿蒙开发环境、kirin、harmony。

• ascendc-mc2-best-practice

  Ascend C MC2 通算融合算子（多卡通信+计算融合）开发最佳实践。当用户需要设计、实现、调试、移植或优化通算融合算子，或提及"MC2"、"SHMEM"、"APACE"、"通算融合"、"多卡通信直调"、"UDMA"、"URMA"、"AllToAll+Matmul"、"CollectiveComm"、"MoE Dispatch"、"MoE Combine"、"专家并行"、"EP"、"mega_moe"、"MTE通信"、"MTE window"、"token 路由分发"、"HCCL"、"aclnn 通算融合"时使用。

• ascendc-perf-optimize

  算子公共性能诊断与策略制定（语言无关）。结合 Tiling 建模与流水分析（仿真图 + profiling 数据），按卡间/核间/核内三层流水制定性能优化策略，并回修 Tiling 参数；触发：算子性能调优、流水分析、Tiling 修正、bound 诊断、MC² 通算融合算子优化、卡间流水配平时。

• ascendc-performance-best-practices

  AscendC / CANNBot-DSL 算子性能优化最佳实践库:按算子族、芯片代际、语言组织优化经验与参考代码，供实施阶段查询。 触发：查询某类算子的性能优化参考实现、实施某项优化需加载对应优化经验；

• ascendc-precision-debug

  Ascend（昇腾）算子精度问题定位与修复：NPU 输出与 golden 比对超差/不一致时，按"口径确认 → 误差形态 → 最小复现 → 二分定界 → 模式匹配 → 源码深潜 → 修复回归 → 报告交付"流程定位根因。 适用于：算子精度/正确性调试、精度问题修复、aclnn/单算子比对失败、误差形态分析、精度超差修复。不适用于：算子编译/构建失败、性能调优、未定界到单个算子的整网推理异常。

• ascendc-regbase-best-practice

  当需要为 DAV_3510 RegBase 算子确认 API 约束、实现结构、排查常见陷阱或选择真实参考算子时使用。

• ascendc-registry-invoke-template

  完整自定义算子工程模板。通过提供标准工程结构、代码模板、UT/ST 样例和多芯片架构参考，帮助快速搭建并实现 registry-invoke 方式的自定义算子工程。当需要创建完整自定义算子工程、参考标准目录结构、补齐 UT/ST、适配多芯片架构或查找工程样例时使用。

• ascendc-registry-invoke-to-direct-invoke

  当用户想把自定义算子工程中的 kernel 模板改造成 `<<<>>>` kernel 直调形式，或从自定义算子工程中抽取某个 kernel 模板并转换成 `<<<>>>` 直调方式时使用。触发：用户提到"自定义算子转直调"、"从算子工程抽 kernel"、"kernel 模板改 `<<<>>>`"等。不适用于从零开发新算子

• ascendc-runtime-debug

  Ascend C 算子运行时错误调试技能。用于处理算子运行时问题：(1) aclnn 返回错误码（161xxx/361xxx/561xxx，包括环境配置、Tiling、Kernel 查找等错误），(2) 需要解析 plog 日志定位问题。触发关键词：运行时错误、错误码、Tiling错误、Kernel查找失败、环境变量、plog。

• ascendc-simt-best-practices

  AscendC SIMT 最佳实践与 API 导航。提供 SIMT 算子开发的实践经验总结和专有 API 分类索引：VF函数声明与调用、线程排布模式、索引计算API、数据搬入搬出、计算指令映射、多核同步、核内共享内存、TensorList处理、调测接口、内置宏、编译运行。触发：开发SIMT算子kernel代码、设计SIMT编程模式、查询SIMT API分类或线程排布。

• ascendc-simt-tiling-design

  AscendC SIMT 算子切分设计指南。提供 SIMT 算子独有的核数切分、线程数设置、DCache/UB空间分配、模板路由与 tilingKey 分发、workspace 契约方法。SIMT切分与SIMD完全不同（线程级并行 vs 向量级UB切分），本skill聚焦SIMT切分范式。触发：设计SIMT算子Tiling策略、设置SIMT线程数、规划SIMT核数切分、选择SIMT/SIMD模板、规划SIMT workspace、blockDim封顶、DCache 取值范围、SetScheduleMode时。

• ascendc-st-design

  Ascend C 算子系统测试（ST）设计技能。基于 aclnn 接口文档，完成算子参数定义、测试因子提取、约束关系分析、测试用例生成（L0/L1/L2）的完整流程。当需要以下任务时使用此技能：设计算子测试用例、生成ST用例。

• ascendc-sync-audit

  Ascend C 信号同步问题检验与修正。检测核内流水线同步（SetFlag/WaitFlag、SyncFunc、PipeBarrier、EnQue/DeQue）、核间同步（CrossCoreSetFlag/WaitFlag、SyncAll、ScalarBar）以及 producer/consumer/sync 数据流图中的 buffer 索引一致性问题。触发关键词：同步、同步问题、SetFlag、WaitFlag、CrossCore、SyncFunc、PipeBarrier、死锁、死等、卡死、hang、数据错乱、半成品、flagId、buffer 索引、output buffer id、pr

• ascendc-tensor-api-best-practice

  在 Ascend 950 / DAV_3510 上以 Tensor API 为主、C API 为辅开发用户明确指定 Tensor API 的算子时使用。覆盖路线边界、事实调查、DESIGN/PLAN 合同、Layout 与内存预算、构建、精度、性能、验收和排障。不适用于 Matmul 类 Blaze 覆盖场景或 Attention 原生 AscendC 路线。

• ascendc-tiling-design

  Ascend C 算子 Tiling 设计指南。提供算子分类体系和 Tiling 核心要素（多核切分、UB切分、Buffer规划、分支覆盖）的详细设计方法。触发：算子设计阶段、设计 Tiling 策略（多核切分/UB切分）、规划 Buffer 分配、查阅某类算子的 Tiling 方法论时。

• ascendc-ut-develop

  Ascend C 算子 UT 开发与覆盖率增强技能。通过分析 op_host / op_api / op_kernel 的测试空白、生成或补充 UT 用例并定位未覆盖代码来提升覆盖率并支持生成覆盖率报告。当用户提及 UT、单元测试、覆盖率、补测、未覆盖代码或需要新增/完善 UT 时使用，不适用于 ST 测试。

• ascendc-whitebox-design

  Ascend C 算子白盒测试用例生成系统。分析算子源码提取参数维度，自动枚举参数组合，生成可执行的白盒测试用例。自动两套输出：low 档位（路径覆盖+网络+空tensor，全normal）与 high 档位（data_range 展开，信息性验证）。触发场景：(1) "为 X 算子生成白盒测试用例" (2) "算子白盒用例生成" (3) "generate whitebox test cases for operator"。

• cann-env-setup

  昇腾 NPU 上 CANN 安装与环境配置指导。触发场景：需安装 CANN、配置开发环境或排查安装问题时。

• cann-error-code-standard

  CANN算子错误码的基准知识源，提供官方文档错误码清单、来源与版本治理、选码和上报规范、机器可读契约。触发：新算子错误码设计、源码静态检查、问题定位或整改Skill需要统一错误码基准时；不直接修改算子源码或执行构建测试。

• cannbot-dsl-best-practice

  为 CANNBotDSL 算子提供整体实现、局部写法和生产代码最佳实践。当需要职责划分、Host 约束校验、RingBuffer/同步/布局、注册与适配、编译启动、AICPU 负载均衡 metadata、VF 向量计算或命名建议时使用。

• cannbot-dsl-code-reviewer

  检视调用方提供的 CANNBotDSL 算子代码，依据真实调用链核查生产执行约束、计算与导出路径，以及命名、魔数和可读性。当用户要求 DSL 代码审查、检视实现或复核 PR 时使用。

• cannbot-dsl-env-check

  当需要检查 CANNBotDSL 开发环境，或诊断导入、翻译、编译及 NPU 不可用问题时使用；输出环境诊断结果、可用能力与限制。

• cannbot-dsl-op-design

  根据算子规格编写分文件设计文档：数学语义、接口契约、形状与数据类型推导、算法与执行路径、任务调度、资源预算、同步及验证方案。当需要从算子规格形成方案或修订设计文档时使用。

• cannbot-dsl-test-generator

  当需要设计、补充或校验 CANNBotDSL 算子测试，或生成独立 CPU Golden 与测试入口时使用；根据调用方提供的规格、设计及实现单元检验义务生成黑盒、白盒和 TDD 用例及校验结果。

• cannbot-dsl-unit-planner

  根据 CANNBotDSL 算子的规格和调用方提供的设计资料，规划有依赖关系、可实现并独立验收的纵向实现 Unit，识别关键能力缺口和设计偏离风险，输出 U*.yaml。当用户要求拆分算子实现任务或编写 Unit 时使用。

• catlass-cpp-design

  CATLASS C++ 算子五阶段工作流的 03 方案设计。用于根据已验收接口、标杆和目标架构规则生成可实现的 Stage 设计。触发：workflow 处于 design 时。

• catlass-cpp-develop

  CATLASS C++ 五阶段工作流的 04 算子开发。用于按已评审设计逐 Stage 实现、构建和快速精度验证。触发：workflow 处于 implementation 且设计校验通过时。

• catlass-cpp-interface

  CATLASS C++ 五阶段工作流的 01 接口确认。用于确认公开接口、目标架构和计算语义，并初始化或恢复 workflow。触发：开始 CATLASS C++ 算子，或 workflow 处于 interface 时。

• catlass-cpp-knowledge

  从已安装的 cannbot-knowledge 查询 CATLASS C++ 接口、芯片规则和注意力算子知识。触发：开发 CATLASS C++ 算子时需要查阅接口、架构规则，或在设计阶段按 family 查询并读取 Operator 卡，包括显式家族查询返回的 draft 卡。

• catlass-cpp-reference

  CATLASS C++ 五阶段工作流的 02 标杆生成。用于生成唯一 CPU 标杆并校准精度策略。触发：workflow 处于 reference 时。

• catlass-cpp-test

  CATLASS C++ 五阶段工作流的 05 算子测试。默认执行全量精度、功能和性能验收；用户明确要求泛化用例时执行文末泛化模式。触发：workflow 处于 validation、处于 complete 需复核最终验收记录，或用户明确要求泛化用例与覆盖评估时。

• catlass-op-design

  Analyze operator requirements and select CATLASS components (ArchTag, DispatchPolicy, TileShape, BlockMmad, BlockEpilogue, BlockScheduler, Kernel type). Use when designing new CATLASS-based Ascend C operators, selecting DispatchPolicy, determining TileShape, choosing Kernel type, or picking Epilogue

• catlass-op-develop

  Generate CATLASS kernel code from design selections. For prerequisite-reading questions, answer directly: before implementation must read workspace `./catlass/README.md` (library positioning and directory structure), `./catlass/docs/` (operator assembly knowledge and implementation constraints), and

• catlass-op-perf-tune

  Tune CATLASS kernel performance by adjusting TileShape, DispatchPolicy, Swizzle, and Kernel type parameters. Change one variable at a time for attribution. Use when optimizing CATLASS kernel performance, analyzing profiler bottlenecks, or exploring tiling configurations.

• npu-arch

  Ascend NPU 架构知识查询技能。通过芯片型号映射、架构代际划分和 archXX 特性说明，帮助判断目标平台能力、特性支持与条件编译策略。当需要确认芯片型号、NpuArch/SocVersion、架构差异、特性支持或编译分支条件时使用。

• ops-design-paradigms

  当需要设计或修订 Broadcast、Reduction、ArgReduce、Contraction 等算子范式方案，或查询对应算法、资源规划、语言实现约束和故障经验时使用；提供 AscendC regbase 与 CANNBotDSL 的设计依据、适用条件和验证要点。

• ops-error-code-remediation

  为新增或已完成的CANN C/C++算子设计、接入、审计和整改错误码上报路径，覆盖实际log.h解析、失败出口治理、最小编译、负向测试与Markdown报告。触发：用户要求新增算子错误码开发，或扫描、重构、验证既有算子的错误码与失败返回；

• ops-kirin-device-verify

  麒麟（Kirin）端侧设备验证：串联算子编译、ONNX/golden 生成、atc 转 OMC、HAP 与 hdc 部署、设备推理、输出回传与精度比对的全流程。触发场景：算子在麒麟设备上做端到端验证、HAP 推理、output0.bin 精度比对时使用。

• ops-kirin-simulator

  Kirin 平台 NPU 仿真器技能。提供 CANN Simulator 的使用指导，包括精度仿真、性能仿真。当 Kirin 平台无 NPU 硬件需要仿真验证算子功能，或误用 npusim 报不支持该 SoC 时使用。

• ops-mssanitizer

  使用mssanitizer对Ascend C和Triton算子执行内存访问、泄漏、未初始化、竞争与同步检查，自动识别工程类型，运行可复现用例并生成结构化报告。适用于开发完成后的主动内存安全验证和已知内存异常复核；不用于一般崩溃、性能或精度问题诊断。

• ops-perf-routing-plan

  对 AscendC 算子执行 Shape 级 tiling 路由的 Step 1：用 golden/计算流估算每个 shape 的理论下限并按 headroom 排序，以 worst-first 贪心划分 shape 组、选择典型 shape、校验 tiling 可行性，冻结 shape→模板计划并生成路由表与分类报告。仅做 Shape 分析、分组、路由和计划冻结，不执行 kernel 优化、子 agent 优化或 final code 拼装；可被性能优化 workflow、Agent 或人工单独调用。使用场景：当需要做 shape 分组、shape 分类、tiling 路由、tiling 模

• ops-precision-standard

  算子精度标准。描述 Ascend C 算子各种 dtype 输出对应的精度比对标准(混合容差 atol/rtol)。当需要(1)评估算子精度是否达标,(2)编写 ST 测试验证精度,(3)处理 FP16/FP32/BF16 等不同数据类型精度问题,(4)确认算子精度验收标准时触发。

• ops-profiling

  NPU 性能采集与分析，支持 msprof application 标准可比较计时（每例 10 组 warmup→target 取中位数）、msprof 深度指标采集与算子级瓶颈定位、kernel-level 对比测试（--compare/--quick/--batch）和交互式可视化。核心工具：collect_perf_application.py（标准可比较计时）、msprof_profile_run.sh（标准采集 / --compare 对比测试 / --quick 快速对比 / --batch 批量并行）、msprof_perf_summary.py（瓶颈分析、对比报告）与 comp

• msopprof-visualization

  面向算子的 msOpProf 数据采集与可视化技能。用于执行环境检查、最小非重复采集、已有采集结果重绘，以及生成包含 Details、Roofline、Timeline、Cache、Source、片上内存、Warp Stall、指令时间线和原始数据页面的独立 HTML 报告。当用户要求将上板采集的算子性能数据生成可视化报告、查看某个性能模块页面、或基于已有采集目录重建报告时触发。

• ops-repo-migration

  将已有自定义算子工程（包括 op-develop 工作流产物）迁入 ops-math、ops-nn、ops-cv 或 ops-transformer 开源仓，适配目录、注册、CMake、UT 和 example，出包并回归原有交付件。 触发：已有算子包迁移、迁移构建问题。保持 kernel、tiling、推导和 ACLNN 实现语义， 不用于新算子开发或性能调优。不支持 ops-rand。

• ops-simulator

  昇腾平台 NPU 仿真器技能。提供 CANN Simulator 的使用指导，包括精度仿真、性能仿真、流水线分析。当需要在无 NPU 硬件环境下验证算子功能、分析性能瓶颈、定位精度问题时使用。也用于分析已有的 npusim 性能报告（summary.json）并给出优化建议。

• ops-spec-gen

  生成或校验算子 spec.yaml（算子的 L0 数学约束唯一真值）。当用户提及：生成 spec.yaml、新算子 spec 骨架、scaffold spec、validate spec.yaml、spec schema 校验、算子规格校验 时触发。

• ops-theoretical-performance-estimation

  从算子设计或计算流估算性能、分析瓶颈并比较方案，适用于设计期性能目标制定及 OpModel 建模与优化任务。提供 Ascend950 RegBase 纯 Vector Roofline 估算，以及 OpModel 建模、性能评估、DAG 寻优、联合寻优、空泡与数据流分析和设计文档生成；OpModel 支持范围取决于实际 wheel、模型与硬件配置。

• ops-opmodel-toolkit

  使用 OpModel wheel 创建算子模型、评估性能、搜索 DAG 与流水方案、分析空泡和数据流，并生成设计文档。适用于用户要求 OpModel 建模、仿真、寻优或模型与实现联合优化。

• pypto-api-explore

  探索 PyPTO API，为算子开发提供 API 映射、约束检查和 Tiling 需求分析。当需要查找 PyPTO 是否支持某个操作、验证 API 约束、分析算子可行性时使用。触发词：API 探索、查找 API、PyPTO 有没有 xxx、支持什么 dtype、约束是什么、tiling 怎么配、API 映射、可行性分析、这个算子能做吗。

• pypto-docs-search

  检索普通 PyPTO（Tensor）算子开发资源——API 文档、按错误码排障、教程/安装/工具文档、算子参考实现与 golden。当要查 PyPTO 文档、读算子或 API 用法、按错误码排障、找算子参考实现或 golden、或问"这份资源在哪、有哪些"时使用，即使没明说"文档站"也应触发。触发关键词：查 PyPTO 文档、错误码排障、API 用法、算子参考实现、golden。

• pypto-general-debug

  PyPTO debugging router for stuck or opaque failures, including tile-shape/L0/L1/alignment/set_cube_tile_shapes issues; route through DEBUG_GUIDEBOOK.md to the matching topic reference or sub-skill. Use when a PyPTO kernel development session is stuck or hits opaque failures and needs routing to the

• pypto-golden-generate

  当需要生成 golden 参考实现时使用此 skill。基于算子规格信息，生成 torch + torch_npu NPU 参考实现 `{op}_golden.py`，导出 `{op}_golden()` 函数，作为精度验证基准。计算在 NPU 上执行；torch_npu 未安装时直接报错引导安装，仅无 NPU 硬件时回退 CPU。触发词：生成 golden、生成参考实现、写 golden 函数、golden script、golden reference、reference implementation、generate golden、torch 参考、验证基准、baseline imple

• pypto-intent-understand

  PyPTO 算子需求意图理解。将用户的自然语言算子描述转化为结构化需求文档。当用户描述要开发、实现、创建某个算子时触发，例如：'开发一个 sinh 算子'、'实现 GELU'、'参考 PyTorch 的 F.scaled_dot_product_attention'、'根据论文实现算子'、'创建自定义算子

• pypto-memory-template

  PyPTO 算子开发中算子专属 memory 文件模板（custom/OP_NAME/MEMORY.md）。定义必备章节、机器可读字段与更新节奏。触发：创建或更新算子的 MEMORY.md 时使用。

• pypto-op-design

  根据算子规格和 golden 完成 DESIGN.md 与模块接口；按需检索 API、约束和计算模式，形成可实现、可验证的设计。触发：根据算子规格与 golden 进行算子设计、生成 DESIGN.md 与模块接口时使用。

• pypto-op-develop

  PyPTO 算子 impl 编码手册。用于 per-Phase 累计构建分模块 impl 文件（OP_moduleK_impl.py），最后一个 Phase 通过验证后 cleanup 整理出 OP_impl.py + README.md。基于 Layer A–L 设计规范，配合 `impl_template.py.tmpl` 模板生成符合规范的 PyPTO 实现代码。触发：实现算子、写 kernel、编写实现、写 impl、算子编码、code the op、op develop、kernel 实现。

• pypto-op-knowledge

  PyPTO 算子开发知识库查询技能。串行查询经验表和问题查找表，有结果立即返回，无结果返回"无匹配"。触发：查经验表、查问题表、知识库查询、knowledge query。

• pypto-op-perf-panko-manual

  Stage 7 PANKO world-model + evaluator contract. Read ONLY by pypto-op-auto-tuner-panko. Defines one search cycle (evaluate, record, reflect, select) over the persisted tree, and the CODE/STOP directive returned to the orchestrator. No API key. Use when the user asks for PANKO search-based auto-tunin

• pypto-op-perf-tune

  PyPTO 算子性能分析和自动调优技能。用于对生成及新开发的算子进行性能分析及自动调优，包括算子用例执行及精度校验、性能数据采集及分析、分步骤性能调优和生成性能分析报告。当用户需要分析 PyPTO 算子性能、进行性能调优、生成性能报告时使用此技能。触发词：算子性能调优、性能分析、自动调优、性能优化、泳道图分析。

• perf-analyzer

  分析 PyPTO 算子的性能指标。用于分析 PyPTO 算子的性能指标，从性能数据文件中提取关键指标，计算性能评级，并提供性能瓶颈分析和优化建议。触发：分析 PyPTO 算子性能数据、计算性能评级、定位性能瓶颈时使用。

• tune-frontend

  PyPTO 算子开箱性能调优技能。主要关注代码级的调优、前端写法不同导致的性能差异，包括 loop 写法优化、TileShape 设置优化、数据操作优化等。当用户需要进行算子初始开发性能优化、开箱性能调优时使用此技能。触发词：开箱性能调优、代码级优化、loop 优化、TileShape 设置、前端优化。

• tune-incore

  PyPTO 算子核内性能调优技能。通过分析单 task 的实现指令及 operation，完成核内的性能调优，包括指令级优化、核内流水优化、特殊 Shape 处理等。当用户需要进行核内性能调优、单 task 耗时分析、指令级优化时使用此技能。触发词：核内性能调优、单 task 优化、指令级优化、核内流水、Operation 实现优化。

• tune-orchestrator

  PyPTO 算子性能调优编排器。控制调优流程按固定顺序严格执行、迭代轮次完整执行、Todo 清单实时更新。负责流程推进、完成条件校验、状态机转移，不负责具体优化建议或代码修改。触发：编排 PyPTO 算子性能调优流程、推进调优迭代轮次时使用。

• tune-swimlane

  PyPTO 算子深度性能调优技能。通过泳道图分析及调优性能，包括 Stitch 调优、TileShape 深度调优、合图调优、调度策略调优等。当用户需要进行深度性能调优、泳道图分析、Stitch 优化、合图优化时使用此技能。触发词：深度性能调优、泳道图分析、Stitch 调优、合图调优、调度优化。

• pypto-op-plan

  PyPTO 算子开发需求规划（requirement planning）——结构相似样例检索与可行性准备。触发：启动新算子开发的需求规划阶段、检索结构相似参考实现时使用。

• pypto-op-review
• pypto-op-verify
• pypto-orchestration-manual
• pypto-precision-compare
• precision-binary-search
• precision-verify
• pypto-precision-debug
• samples
• tilelang-api-best-practices
• tilelang-env-check
• tilelang-op-design
• tilelang-op-develop
• tilelang-op-profiling
• tilelang-op-test-design
• tilelang-perf-optimization
• tilelang-performance-best-practices
• tilelang-programming-model-guide
• tilelang-review
• tilelang-submodule-pull
• torch-ascendc-op-extension
• torch-ops-profiler
• triton-latency-optimizer
• triton-mfu-analyzer
• triton-op-coding
• triton-op-designer
• triton-op-verifier
• triton-precision-debug
• triton-simulator-optimizer
• triton-task-extractor

Similar plugins